Traduzido do Inglês para o Português - www.onlinedoctranslator.

com

sensores

Análise

Internet de coisas robóticas em domínios

inteligentes: aplicações e desafios
Laura Romeo * , Antonio Petitti , Roberto Marani and Annalisa Milella
Instituto de Tecnologias e Sistemas Industriais Inteligentes para Manufatura Avançada (STIIMA),
Conselho Nacional de Pesquisa (CNR), 70126 Bari, Itália; antonio.petitti@stiima.cnr.it (AP);
roberto.marani@stiima.cnr.it (RM); annalisa.milella@stiima.cnr.it (AM)
* Correspondência: laura.romeo@stiima.cnr.it

---- -
Recebido: 14 de abril de 2020; Aceito: 10 de junho de 2020; Publicado: 12 de junho de 2020 ---

Abstrato:Com o advento da Quarta Revolução Industrial, a Internet das Coisas (IoT) e os sistemas
robóticos estão cooperando estreitamente, reformulando suas relações e conseguindo
desenvolver dispositivos de nova geração. Essa tecnologia disruptiva corresponde à espinha
dorsal da chamada Indústria 4.0. A integração de agentes robóticos e IoT leva ao conceito de
Internet of Robotic Things, em que a inovação em sistemas digitais está desenhando novas
possibilidades tanto no campo industrial quanto na pesquisa, abrangendo diversos domínios
como manufatura, agricultura, saúde, vigilância e educação , para citar apenas alguns exemplos.
Neste manuscrito, é delineado o estado da arte das aplicações de IoT, com o objetivo de marcar o
seu impacto em vários campos de investigação, e focando os principais desafios em aberto da
integração de tecnologias robóticas em espaços inteligentes.

Palavras-chave:internet de coisas robóticas; indústria 4.0; sistemas ciberfísicos; Trabalho remoto;

agricultura; fabricação; assistência médica; Educação; vigilância

1. Introdução

Os serviços inteligentes estão se tornando cada vez mais fundamentais com o crescimento do quarto
estágio da industrialização, também tratado como Indústria 4.0, onde novas tecnologias disruptivas estão
mudando tanto os campos industriais quanto de pesquisa.1]. Durante as três primeiras revoluções industriais,
houve uma melhoria da produtividade graças à criação de novas tecnologias mecânicas, elétricas e eletrônicas.
Nos últimos anos, a necessidade de melhoria da qualidade de vida humana tem levado a concretizar cada vez
mais modelos de produção de serviços personalizados e digitais.2].
O principal resultado da presente quarta revolução industrial está no desenvolvimento e rápida
disseminação dos Sistemas Ciber-Físicos (CPSs). Os CPSs conseguem desenvolver aplicativos mesclando ativos
físicos com recursos computacionais. As tecnologias CPS cobrem uma ampla gama de aplicações, como redes
de energia elétrica, sistemas de transporte, dispositivos de saúde, distribuição de gás e assim por diante. No
CPS, a interação com os sistemas físicos ocorre por meio de redes, executando análises complexas durante a
extração de dados.
O uso de redes, internet e sensores no CPS leva à definição de Internet das Coisas (IoT) [3]. A IoT pode ser
vista como a infraestrutura que possibilita os CPSs, pois os sistemas IoT são baseados em protocolos de
comunicação, graças aos quais os ativos físicos conseguem se conectar uns aos outros, transferindo e trocando
informações. Embora o paradigma IoT não se destine a analisar dados e sistemas de informação, os CPSs
destinam-se a explorar a arquitetura de comunicação IoT para executar análises complexas por meio de um
hub de análise centralizado, onde as informações podem ser extraídas de dados brutos para enviar comandos
de controle ao ativo físico.

Sensores2020,20, 3355; doi:10.3390/s20123355 www.mdpi.com/journal/sensors

Sensores2020,20, 3355 2 de 23

Tanto a IoT quanto o CPS estabelecem uma base sólida para o desenvolvimento de uma nova área de pesquisa:
a Internet das Coisas Robóticas (IoRT). Este novo conceito trouxe várias mudanças em diferentes domínios que
abrangem diversas aplicações [4], incluindo sistemas que precisam funcionar em ambientes desafiadores. Por
exemplo, os sistemas IoT podem ser adotados por indústrias de manufatura para realizar tarefas desafiadoras de
forma autônoma e remota, como montagem, embalagem, soldagem, gerenciamento de controle de qualidade e
assim por diante. Além disso, os sistemas de IoT também estão se espalhando fora do ambiente da indústria, em
museus, esportes e entretenimento.5]. No entanto, o seu desenvolvimento deve-se principalmente à necessidade de
criar sistemas interligados no contexto da Indústria 4.0 [6,7], fundindo os mundos digital e físico. Nesse cenário, a IoT
representa o núcleo dos sistemas IoT embarcados em robótica, onde a computação em nuvem e a rede podem ser
implementadas para realizar tarefas elaboradas, permitindo que os robôs compartilhem, conectem e coletem
diferentes tipos de informações entre humanos e máquinas. Um esquema de robótica, computação em nuvem e
integração IoT pode ser observado na Figura1.

Figura 1.Destaques de Robótica, Computação em Nuvem e Internet das Coisas, que se fundem na
Internet das Coisas Robóticas.

Muitas revisões foram escritas nos últimos anos [8–12], mas nenhum deles classifica os sistemas IoT de acordo
com domínios inteligentes. Esta pesquisa pretende lançar luz sobre as aplicações de IoT associadas a diferentes
domínios inteligentes no contexto da Indústria 4.0, definindo o estado da arte mais recente das tecnologias de IoT e
descrevendo como os sistemas de IoT podem desempenhar um papel fundamental em nossa sociedade . O objetivo
principal é delinear os principais desafios em cada área, visando entender em quais áreas a implementação e o
estudo de aplicações de IoT devem ser mais investigados. Como este manuscrito está focado principalmente nos
campos industrial e de produção, as aplicações de IoT na fabricação inteligente e na agricultura inteligente são
profundamente analisadas. Outros domínios são então explorados, como saúde, educação e vigilância, para delinear
como os sistemas de IoT estão se espalhando em muitos aspectos da vida cotidiana.

As principais contribuições desta pesquisa envolvem:

• um retrato da interação entre cenários físicos e virtuais gerenciados pelas tecnologias de

Sistemas Ciber-Físicos;
• a definição do conceito de Internet das Coisas Robóticas: sua arquitetura e principais tecnologias;
• a identificação de vários domínios de aplicação, delineando a mais recente literatura de ponta
baseada em tecnologias IoT;
• questões em aberto e desafios que valem a pena investigar no futuro, mostrando como os sistemas de IoT
podem representar um papel fundamental no contexto da quarta revolução industrial.

O manuscrito está organizado da seguinte forma. Seção2ilustra as principais características envolvidas na indústria
4.0, com foco em tecnologias baseadas no CPS. Posteriormente, é fornecido um esboço da IoT,
analisando seus componentes e sua arquitetura. Seção3define os domínios e aplicativos mais recentes
Sensores2020,20, 3355 3 de 23

onde os sistemas robóticos são integrados com tecnologias IoT. Por fim, a Seção4dá uma discussão
sobre questões e desafios em aberto, enquanto a Seção5tira as conclusões da pesquisa.

2. Tecnologias Inteligentes na Indústria 4.0

A quarta revolução industrial, comumente conhecida como Indústria 4.0, pode ser descrita como o
próximo nível de fabricação, onde a integração digital e a engenharia inteligente são usadas para transformar
a maneira como as máquinas se comunicam entre si e com os humanos. O crescimento da Indústria 4.0 levou a
uma melhoria de toda a indústria manufatureira [13], dando origem aos chamados Espaços Inteligentes [14] e,
mais especificamente, Fábricas Inteligentes. A principal função dos Smart Spaces é monitorar aplicações e
processos, como consumo de energia ou estado de sensores e atuadores, em uma área de controle definida.
Em particular, o termo Smart Factory refere-se a uma nova abordagem à fabricação industrial, onde as
tecnologias IoT são usadas para controlar o processo de fabricação, enquanto coleta, analisa e troca
informações.15].
Estreitamente ligado à fábrica inteligente está o conceito de Máquina Inteligente [16]. Essas máquinas baseadas
em IoT incluem controladores, sensores complementares e usam dados em tempo real de seus próprios
componentes e outras máquinas para obter autoconsciência e autocomparação.17]. A autoconsciência permite que as
máquinas façam diagnósticos sobre possíveis componentes com defeito, enquanto a autocomparação permite que a
máquina defina suas configurações corretamente, com base em seu histórico de trabalho. Para tanto, arquiteturas de
rede e protocolos de comunicação, tanto com fio quanto sem fio, são utilizados para coordenar sensores e atuadores
para aplicações industriais mais complexas. Os robôs industriais desempenham um papel fundamental no ambiente
de Smart Manufacturing, onde operações como montagem, soldagem, pintura em spray e assim por diante são
mescladas com tecnologias IoT para garantir a interação entre vários dispositivos e robôs, garantindo uma produção
confiável e eficiente.18].

2.1. Sistemas Ciber-Físicos

Um dos fatores mais proeminentes relacionados à Indústria 4.0 é o chamado Sistema Ciber-Físico
(CPS). Com o desenvolvimento contínuo de diferentes domínios tecnológicos, os aplicativos CPS
tornaram-se fundamentais, pois conseguem conectar todos os dispositivos físicos à Internet, mesclando
os mundos virtual e físico para obter produtos e produção inteligentes.19]. O mundo físico, o
ciberespaço e as redes de comunicação são o núcleo da estrutura do CPS: (i) o mundo físico refere-se aos
objetos físicos, processos e ambientes a serem monitorados ou controlados, (ii) o ciberespaço representa
os sistemas de informação como como serviços, aplicações e unidades de tomada de decisão, enquanto
(iii) redes de comunicação referem-se àqueles componentes que conseguem conectar o ciberespaço com
o mundo físico.
A aplicação do CPS em cenários de produção, onde máquinas, sensores e atuadores estão ligados para
atingir a maior eficiência em termos de produção, leva ao conceito de Sistema de Produção Ciber-Física (CPPS).
O CPPS lança suas bases no contexto do chamado Digital Twin [20], onde os módulos físicos são vinculados aos
módulos virtuais, visando criar uma conexão entre os elementos físicos e a versão digital correspondente [21].
Com o advento da quarta revolução industrial, os sistemas de controle e produção ganharam muita
importância em muitos domínios inteligentes. Particularmente, produtos inteligentes e sistemas de produção
inteligentes estão estritamente relacionados ao CPPS, e diferentes arquiteturas foram projetadas para lidar
com falhas em processos de eventos discretos.22].
O CPPS pode ser útil para melhorar a flexibilidade dos sistemas de produção baseados em IoT em
domínios inteligentes, como manufatura, agricultura, cirurgia médica e atendimento a idosos. Especificamente,
a Interação Humano-Robô (HRI), onde humanos e robôs trabalham juntos, pode ser aplicada nestes campos
mencionados, particularmente na manufatura. Aqui, as informações fornecidas pelo contato físico entre
humanos e robôs podem ser utilizadas em sistemas de produção como montagem e soldagem. Em tais
contextos, definir uma arquitetura HRI é fundamental no projeto e implementação do CPPS [23], com o objetivo
de afetar a trajetória de um robô com base em pontos dados por trabalhadores humanos.
Sensores2020,20, 3355 4 de 23

Sendo o CPS a primeira fase de desenvolvimento, revela-se fundamental definir a sua estrutura e
metodologia. Em ambientes industriais, a arquitetura do CPS é caracterizada por cinco níveis diferentes [24],
que pode ser observado na Figura2. Tal estrutura, conhecida como arquitetura 5C, consegue esclarecer como
construir um CPS desde a aquisição inicial de dados até a criação de valor final. No entanto, várias arquiteturas
de CPS foram desenvolvidas, cada uma focando em um aspecto diferente, que visam melhor caracterizar
sistemas industriais e fábricas inteligentes no contexto da Indústria 4.0 [25,26]. A seguir, os níveis da
arquitetura 5C são descritos.

Figura 2.Arquitetura de cinco camadas do CPS implementada em ambientes industriais. Os níveis inferiores coletam
dados, que são analisados e condensados em cada nível superior. Com essa configuração, as informações fornecidas a
cada nível superior são mais valiosas do que as informações que chegam ao nível inferior.

oConexão InteligenteO nível trata da aquisição de dados precisos e confiáveis, que podem ser extraídos
diretamente de sensores ou sistemas de fabricação próprios. Esses dados são transferidos para o servidor
central por meio de protocolos específicos, onde oConversãolevel consegue extrair informações significativas
por meio de algoritmos e metodologias que são desenvolvidos em relação à aplicação em questão. No
Cibernéticonível, uma enorme quantidade de dados é coletada. Aqui, informações adicionais são extraídas para
fornecer uma melhor visão sobre o status de cada máquina dentro do sistema, visando dar capacidade de
autocomparação das máquinas. Tais informações são enviadas através de gráficos próprios noConhecimento
nível, onde se pode adquirir conhecimento sobre o estado da máquina, visando comparar informações e tomar
a decisão correta para otimizar o processo de manutenção. Por fim, a retroalimentação do ciberespaço para o
espaço físico ocorre naConfiguraçãonível, atuando como controle supervisório para tornar as máquinas
autoconfiguráveis e autoadaptáveis.
A crescente necessidade de utilização de sensores e máquinas em rede leva ao desenvolvimento de um
grande cluster de informações, conhecido como Big Data.27]. Os CPSs podem ser úteis para gerenciar tanto o
Big Data quanto a interconexão entre máquinas, tornando as fábricas adequadas para a era da Indústria 4.0.
Geralmente, os CPSs consistem em duas características principais: (i) a capacidade de adquirir dados em tempo
real do mundo físico e uma conectividade avançada que consegue obter feedback de informações do
ciberespaço; (ii) poder computacional, gerenciamento e análise inteligente de dados, que são integrados ao
ciberespaço. Portanto, os CPSs são capazes de realizar uma colaboração dinâmica com sistemas físicos. Este
último coleta dados por dispositivos de campo distribuídos em CPSs, que visa garantir a
Sensores2020,20, 3355 5 de 23

capacidade e precisão dos dados coletados. Os CPSs têm uma ampla gama de aplicações, como controle
industrial [28], sistema de energia distribuída [29], área médica digital [30], etc

2.2. Internet das coisas robóticas

Nos últimos anos, a quarta revolução industrial levou ao desenvolvimento da chamada

Internet das Coisas Robóticas.9], que consegue atingir sistemas com autonomia de decisão,
percepção e manipulação. Um esboço dos componentes da IoT pode ser visto na Figura3.

Figura 3.Visão geral dos componentes da IoT.

O conceito mais avançado em termos de robótica está no IoRT, onde os CPSs são usados para
estabelecer uma base sólida no aprimoramento da própria IoT.10]. Nos sistemas IoT, as modernas tecnologias
robóticas foram mescladas com a computação em nuvem.31] e networking, integrando CPSs e protocolos IoT
para desenvolver novas tecnologias. Como resultado dessa integração, os dispositivos inteligentes tornam-se
capazes de monitorar eventos, mesclar dados de sensores de várias fontes e usar inteligência local e
distribuída para determinar o melhor curso de ação.32]. Essa nova abordagem apresenta diferentes
tecnologias para realizar tarefas complicadas e operar em um ambiente heterogêneo [8]. Além disso, as Redes
de Sensores Sem Fio (RSSF) estão se tornando um assunto de considerável importância nos últimos anos. RSSFs
são amplamente investigadas na literatura.33], considerando quantos novos desafios eles implicam, e quantas
novas metodologias foram aprofundadas para enfrentá-los. Especificamente, a necessidade de implantação de
nós sensores de acordo com determinados algoritmos e situações leva à possibilidade de integração de tais
sensores com redes de robôs.34]. Tais robôs convivem com sensores, cooperando para potencializar a RSSF.
Consequentemente, a implementação de redes de robôs com sensores sem fio tem contribuído para o
desenvolvimento de novas tecnologias e aplicações baseadas em IoT que podem atender a diferentes tarefas,
desde a implantação até as comunicações.
Os sistemas robóticos trouxeram mudanças consideráveis em vários aspectos da vida humana. Tanto no
mundo industrial quanto no acadêmico, os robôs têm sido usados para realizar todos os tipos de tarefas
complexas e desafiadoras, como embalagem [35], montagem [36], Soldagem [37], etc. Nesse contexto, a
convergência IoT e robótica ocorre no desenvolvimento de novos sistemas robóticos heterogêneos, com o
objetivo de melhorar o comportamento autônomo dos robôs. Além disso, a integração entre robótica e rede é
de fundamental importância no desenvolvimento dos sistemas IoT. A robótica em rede ocorre para mesclar
arquiteturas de sistemas de robôs (hardware e software) e aplicativos que usam redes, como a Internet e a
computação em nuvem.38]. Nos últimos anos, a evolução da Internet e da robótica fez com que os robôs em
rede se espalhassem em muitos campos, tornando-se fundamentais na integração de robôs, computação em
nuvem, bancos de dados e até humanos em todo o mundo, pois podem ser baseados em um ambiente local.
Rede de área (LAN), ou distribuído em uma rede de longa distância (WAN). Sistemas IoT
Sensores2020,20, 3355 6 de 23

explorar tal tecnologia, conseguindo integrar robôs com sensores inteligentes que podem operar na
rede e trocar informações. Formalmente, o termo IoRT refere-se a um ecossistema de dispositivos
inteligentes capazes de monitorar eventos, coletar e analisar dados de diferentes fontes, trocar
informações, usar inteligência local e distribuída para determinar uma sequência ideal de ações e, então,
agir para mudar o ambiente físico enquanto movendo-se fisicamente por esse ambiente.
A arquitetura chave dos sistemas IoRT, conforme ilustrado na Figura4, consiste em três camadas principais [12]:
(i) Camada Física, (ii) Camada de Rede e Controle e (iii) Camada de Serviço e Aplicação.

Figura 4.Diagrama esquemático da arquitetura do sistema Internet of Robotic Things.

A camada Física representa o nível mais baixo da arquitetura IoT, que inclui robôs, sensores e atuadores.
De um modo geral, a palavra robô refere-se a veículo, drones, embarcações não tripuladas e assim por diante.
As palavras sensor e atuador, por sua vez, referem-se a qualquer tipo de sistema utilizado para perceber e
atuar no ambiente, respectivamente, considerando um amplo conjunto de sistemas que vão desde
eletrodomésticos até sensores industriais. Os robôs cooperam para desenvolver sistemas multi-robôs, que
integram vários agentes operando no mesmo ambiente. Essa tecnologia pode desenvolver e atualizar
aplicativos inteligentes em relação a sistemas robóticos, gerenciar remotamente atividades distribuídas e
aumentar a tolerância a falhas, para obter uma melhoria do desempenho geral do sistema.39]. Além disso,
sensores e atuadores podem ser integrados em aplicações robóticas, visando otimizar, monitorar e controlar
diversos processos como navegação, calibração e ajuste.40].
No entanto, a integração completa e eficiente de sensores e atuadores com aplicações de robôs ocorre na
camada de Rede e Controle, onde diferentes componentes podem contar com determinados protocolos para
comunicar e controlar processos. A segunda camada da arquitetura IoT inclui controladores, roteadores,
servidores e vários protocolos de comunicação e controle. Em particular, técnicas de comunicação como WiFi,
6LoWPAN [41], Bluetooth Low Energy (BLE), Identificação por Radiofrequência (RFID) [42], Near Field
Communication (NFC) e comunicação baseada em WSN [43] são usados para obter transmissões de
informações suaves entre sistemas robóticos de curtas e longas distâncias.
Por fim, a camada de Serviço e Aplicação representa o nível superior da arquitetura IoT, que
inclui a implementação de programas para controlar, processar e analisar ambos.
Sensores2020,20, 3355 7 de 23

parâmetros e agentes ambientais (robôs, sensores e atuadores) em ambientes inteligentes. Além disso,
esta camada inclui algoritmos de Inteligência Artificial e Machine Learning [44], que pode garantir uma
integração suave entre sistemas robóticos e aplicações IoT, para obter soluções otimizadas para
problemas complexos em ambientes físicos.

3. Domínios e aplicativos inteligentes nos sistemas IoT

Com a quarta revolução industrial, onde as tecnologias de robótica, CPS e nuvem são mescladas, diferentes
domínios estão se beneficiando do rápido desenvolvimento.45]. Nesse contexto, os sistemas de IoT podem oferecer
diversas vantagens em relação às aplicações robóticas tradicionais, como descarregar tarefas de computação
intensiva na nuvem, acessar grandes quantidades de dados e compartilhar informações com outros robôs, visando
aprender novas habilidades e conhecimentos uns dos outros. [46]. Além disso, os aplicativos de IoT também podem
ser usados remotamente, facilitando o trabalho tanto de pesquisadores quanto de operadores industriais, e
tornando-o mais acessível, permitindo a cooperação entre humanos mesmo a longas distâncias.

A seguir, são definidos diferentes domínios, nos quais soluções de IoT foram abordadas e
implementadas. Tabelas1–3nas subseções a seguir descrevem os cenários abordados nesta seção,
destacando as variedades da tecnologia mais recente abordada em diferentes ambientes. No entanto, a
literatura reunida abrange diferentes domínios, e vale a pena notar que a abordagem metodológica é
muitas vezes semelhante, assim como a tecnologia utilizada.

3.1. Fabricação
A produção baseada em robôs representa a espinha dorsal da manufatura inteligente, e o conceito de robôs
industriais vem ocorrendo uma mudança contínua nos últimos anos, principalmente devido à incorporação de
tecnologias IoT [1].47]. A IoT representa o principal facilitador dessa mudança, por meio do qual a manufatura está
adotando os conceitos da Indústria 4.0, incorporando sensores, automação e monitoramento de produtos e
processos.48]. A Quarta Revolução Industrial transformou a forma como os produtos são fabricados, adaptando-se a
tal inovação tecnológica, visando produzir bens e serviços de alta qualidade. Mesa1 mostra uma visão geral da
literatura reunida, relacionada à fabricação inteligente.
A fabricação inteligente envolve flexibilidade do sistema, monitoramento e adaptação à mudança.
Especificamente, a manufatura aditiva é um processo crítico em termos de métodos de fabricação. De
fato, as inovações em tecnologias digitais que estão ocorrendo durante a Quarta Revolução Industrial
precisam acompanhar os avanços nos processos e materiais de fabricação.49]. Neste cenário, com o
objetivo de facilitar a manufatura inteligente por sistemas de sensores, a eletrônica flexível da
manufatura aditiva e sua confiabilidade durante os processos são de consideração crítica.

Tabela 1.Visão geral da literatura considerada para o domínio Manufatura, a partir de 2018.
Processamento de imagem
Navegação do Robô

Computação em nuvem
&Planejamento de caminho

Coleta de dados

Multi-robôs

HRI

Esquema das Obras

Implementação de um sistema de visão em um robô

manipulador [50] (ScorBot-ER 9 Pro) para ampliar a proficiência do
sistema integrado de câmera-robô em aplicações industriais.
Planejamento automático de caminho de um robô manipulador
de seis eixos para fabricação inteligente, usando uma
[51]
plataforma em nuvem que monitora o sistema através do
protocolo TCP/IP para controle remoto e simulação em rede.
Sensores2020,20, 3355 8 de 23

Tabela 1.Cont.

Processamento de imagem
Navegação do Robô

Computação em nuvem
&Planejamento de caminho

Coleta de dados

Multi-robôs

HRI
Esquema das Obras

Integração de robôs no CPPS para gerenciar mercadorias de

diferentes pesos, combinando UGVs com manipulador de robôs e
[52]
sistemas de movimentação de ar para construir fábrica inteligente e
fabricação inteligente.

Robô móvel autônomo físico cibernético capaz de realizar HRI,

permitindo que os usuários gerenciem pedidos usando uma
plataforma em nuvem. O robô se move seguindo o mapa da rota
[53]
planejada, de acordo com o sistema de prevenção de obstáculos,
até chegar ao destino e notificar a plataforma em nuvem.

Estrutura de desenvolvimento sistemático chamado PCDEE-Circle,

usado para desmontagem colaborativa humano-robô (HRCD) na
fabricação sustentável. Uma plataforma de percepção multimodal
[54]
para sistema de robôs industriais e corpo humano é definida, por
meio de um método de planejamento de sequência baseado em
algoritmo de abelhas para uma tarefa de HRCD.

Algoritmo de planejamento de caminho, usando o método de marcha

rápida (FMM) para um robô bípede se mover em um ambiente estático,
[55]
com o objetivo de deixá-lo se mover em cenários conhecidos e
desconhecidos.

Planejamento do caminho do robô móvel, combinando os algoritmos

[56]
Cuckoo Search e Bat para atingir o caminho ideal.

Protótipo de um sistema para embalagem de doces variados,

desenvolvendo uma estrutura para conectar consumidores, fábricas
[57]
inteligentes e outros sistemas por meio de redes em nuvem e
logísticas.

Transformação de padrão de erro com base em algoritmo iterativo

de ponto mais próximo para estimativa de pose de objeto de um
[58]
robô manipulador, usando dados de nuvem de pontos coletados de
vários sistemas de visão estéreo.

Detecção de força externa sem sensor produzida por

operadores humanos em HRI física, com o objetivo de obter um
[59]
modelo dinâmico de um robô manipulador industrial em modo
dinâmico e quase estático.

A IoT pode incluir várias aplicações no domínio da fabricação, como soldagem por pontos e pintura por spray [60].
Especificamente, a soldagem por pontos refere-se à aplicação de uma ferramenta de soldagem a um determinado objeto,
como uma carroceria de carro, em locais discretos especificados.61], enquanto a pintura em spray envolve cobrir uma
superfície com uma camada uniforme de tinta, pré-especificando a trajetória ao longo da qual o robô se moverá [62]. Ambas
as aplicações podem exigir correção em tempo real do caminho para acomodar pequenos desvios do caminho esperado,
visando atingir uma produção adequada e evitar problemas como imprecisões e colisões com humanos e robôs.

Como a capacidade de auto-localização e navegação são de importância crucial para vários robôs industriais, o
planejamento de caminhos é atualmente um desafio de pesquisa no domínio da manufatura.51,55,56], e diferentes
algoritmos estão sendo estudados para resolver esse problema, como Bellman–Ford [63], Dijkstra [64],
Sensores2020,20, 3355 9 de 23

e Floyd Warshall [65] algoritmos. Além disso, os manipuladores industriais fornecidos com orientação visual podem aprimorar ainda
mais os sistemas de planejamento de caminhos, pois uma abordagem baseada em visão dá mais consciência para detectar e evitar
obstáculos.50,58].
A principal preocupação em relação ao planejamento de caminho é o impacto negativo na velocidade computacional do
algoritmo de caminho que pode ser causado pelo grande armazenamento de dados e processos de computação complexos.
Portanto, é necessário melhorar a eficiência do algoritmo de planejamento de caminho [66], bem como incluir uma
abordagem de computação em nuvem, visando gerenciar restrições de recursos de hardware de robôs industriais [67].

Com a computação em nuvem, as execuções de tarefas são estabelecidas invocando tecnologias em nuvem, garantindo
integração e interoperabilidade [68]. Na manufatura, o processo de montagem também mudou na era da Indústria 4.0,
evoluindo para a linha de montagem robótica, onde os robôs conseguem realizar tarefas antes desempenhadas pelo trabalho
humano.69]. O processo de montagem corresponde ao acasalamento de diferentes componentes com o objetivo de
desenvolver um novo subcomponente, ou um produto acabado. As tecnologias de IoT podem aprimorar esse processo,
aproveitando os CPSs incorporados [52,53], com o objetivo de utilizar múltiplos robôs para permitir que os componentes
sejam reposicionados ou manipulados, executando procedimentos de montagem mais complexos.
Além disso, a introdução e o desenvolvimento da robótica em nuvem mudaram completamente e
melhoraram a flexibilidade e a extensibilidade do agendamento de tarefas na manufatura.70]. Ao interagir com
a nuvem, os robôs industriais tornam-se capazes de baixar dados referentes à arquitetura de fabricação e aos
demais robôs incluídos no sistema, conseguindo superar diversas limitações de informação e aprendizado [71].
Portanto, o poder computacional dos servidores em nuvem compensa o poder computacional limitado do
próprio sistema robótico. Como um exemplo, [57] define um novo sistema de manufatura auto-organizado e
assistido na nuvem para integrar os aplicativos de manufatura no paradigma da nuvem. Mais especificamente,
o trabalho está focado em uma aplicação personalizada de embalagem de doces, interligando entidades físicas
de chão de fábrica, como robôs, transportadores e produtos, e terminais de clientes. Durante o processo de
interação, muitos dados são coletados no terminal de nuvem e o software de aplicativo é implantado para
processar esses dados.
Outro aspecto fundamental da manufatura inteligente envolve os robôs colaborativos, que estão
revolucionando o mercado de robótica. Robôs colaborativos são seguros e intuitivos de usar, conseguindo
auxiliar os operadores humanos, adaptando-se à incerteza [72]. Para tanto, a localização do humano,
juntamente com a localização de seus membros, deve ser conhecida em tempo real, enquanto o próprio robô
se move. Métodos baseados em sensores inerciais e baseados em visão podem ser úteis para detectar a
presença humana dentro do espaço de trabalho colaborativo.73]. Na literatura, diversas áreas de pesquisa
tratam da interação humano-robô (HRI), com o objetivo de desenvolver robôs adequados a um determinado
ambiente de trabalho.54,59], aproveitando os sensores para a conscientização da situação de fabricação. A
integração de tais sistemas IoRT na fabricação inteligente visa alavancar os pontos fortes de robôs e
operadores humanos, visando compensar as limitações um do outro.74].

3.2. Agricultura

A tecnologia avançada na Indústria 4.0 trouxe uma inovação considerável na agricultura. Tarefas de
trabalho intensivo, como a colheita de frutas e vegetais frescos, estão passando por uma mudança substancial
devido à integração de sistemas baseados em IoT no domínio da agricultura.75]. Embora a maioria dos
agricultores ainda dependa de técnicas tradicionais, nos últimos anos, tem havido um interesse significativo no
desenvolvimento de sistemas agrícolas inteligentes, com foco em questões como rendimento de culturas,
controle de ervas daninhas e coleta de dados dos campos.76]. Nesse contexto, sistemas de IoT podem ser
projetados e implementados para capacitar fazendas com tecnologias que integram serviços, produtos e
conhecimento para aumentar a produtividade, qualidade e lucro, aproveitando a colaboração entre humanos e
sistemas inteligentes.77]. Mesa2, resume a literatura considerada para esta seção.
Sensores2020,20, 3355 10 de 23

Mesa 2.Visão geral da literatura considerada para o domínio Agricultura, a partir de 2018.

Processamento de imagem
Navegação do Robô

Computação em Nuvem
Coleta de dados
&Planejamento de caminho

Multi-robôs

HRI
Esquema das Obras

Vários UAVs são usados para coletar dados monitorando e [78]

mapeando o campo para variar a taxa de fertilizantes, pulverização, etc, para
reduzir as doenças das culturas.

Robô móvel equipado com vários sensores úteis na

agricultura (sensor de umidade, sensor de temperatura,
[77] sensor de contaminação, dano do sensor de colheita) e
controlado por reconhecimento de voz, usando um relógio
inteligente conectado à rede.
Monitoramento da região de plantas em uma estufa inteligente, usando [
79] uma estratégia de robôs móveis assistida na nuvem para aumentar o tamanho
da região de monitoramento e reduzir o consumo de tempo.

Robô de aquisição de imagem de corte configurável

remotamente [80], baseado em computação em nuvem e RSSF, utilizado
para melhorar a flexibilidade e adaptação do robô móvel.

Algoritmo de processamento de imagem em tempo real, usando um sistema de

odometria visual em uma UGV, baseado na abordagem de correlação cruzada.
[81]
Imagens de baixa resolução são usadas para obter alta precisão na estimativa
de movimento com tempo de computação curto.

Cooperação entre robôs agrícolas heterogêneos de campo

com um controlador supervisório, usando uma nova
abordagem baseada no sistema de eventos discretos (DES) e
[82]
na teoria de Ramadge-Wonham (RW), que é eficaz no
controle de sistemas dinâmicos complexos consistindo de
multi-robôs heterogêneos para agricultura.
Agro-sistema inteligente baseado em eletrônica
[83]
embarcada, IoT e WSN para pecuária e pecuária.
UGV usado para procurar a implantação mais adequada [
84] para um sistema RSSF, visando analisar o campo e coletar
informações sobre a condição do terreno.
Sistema automatizado desenvolvido para controlar o clima e a irrigação
em uma estufa por meio do monitoramento da temperatura,
[85] umidade do solo, umidade e pH, usando um robô móvel conectado à
nuvem. Esse robô também pode descobrir plantas insalubres usando
processamento de imagem.

Implantação de um grupo de UGVs usando um [86], com o

objetivo de coletar dados de áreas relevantes do campo,
selecionadas usando o particionamento de Voronoi.

A vulnerabilidade particular da agricultura às mudanças climáticas leva aos principais conceitos de agricultura
inteligente: Agricultura Inteligente para o Clima (CSA) e Intensificação Sustentável (SI) [87]. O principal objetivo da CSA é
aumentar a renda e a segurança alimentar, ao mesmo tempo em que diminui as emissões de gases de efeito estufa.88].
Como as mudanças climáticas têm um impacto significativo e geralmente negativo na agricultura, os agricultores e
prestadores de serviços agrícolas devem responder efetivamente a longo prazo a essas questões, além de serem capazes de
gerenciar o risco associado ao aumento da variabilidade climática. Neste contexto, o armazenamento de água na propriedade
Sensores2020,20, 3355 11 de 23

e irrigação, bem como atualizações das próprias empresas agrícolas, são de consideração crítica, pois é
fundamental construir sistemas agrícolas capazes de aumentar sua própria confiabilidade por meio do manejo
do solo, da água e dos fertilizantes das plantas.89]. Para isso, sistemas CSA baseados na arquitetura IoRT
permitem acessar variedades de cultivos mais tolerantes ao calor, secas, inundações e salinidade, visando ir
muito além do simples objetivo de intensificar a agricultura.90].
CSA e SI estão estreitamente ligados entre si, pois ambos abordam as mudanças climáticas com foco na
diversificação, explorando complementaridades entre culturas. Uma vez que os agricultores não vão adotar práticas
de adaptação às mudanças climáticas que podem não trazer melhores retornos sobre os investimentos no curto
prazo, a SI ocorre para enfrentar a escassez de recursos e os desafios ambientais, aumentando a colheita e as
culturas arvenses, com o objetivo de encontrar a melhor abordagem para manter a trade-off entre rendimentos e
necessidades ambientais, mesmo em diferentes circunstâncias.
Enquanto em algumas áreas os rendimentos são compatíveis com melhorias ambientais, em outros cenários, reduções
de rendimentos ou realocação de terras podem ser necessárias para garantir a sustentabilidade e garantir benefícios como a
conservação da vida selvagem.91], armazenamento de carbono [92], protecção contra inundações [93], e assim por diante.
Para isso, a análise de dados coletados por meio de sistemas IoT [94] e robôs móveis, combinados com computação em
nuvem, podem fornecer informações práticas sobre o nível de recursos hídricos, umidade, produtos químicos e assim por
diante [85]. Além disso, técnicas de reconhecimento e processamento de imagens, como aquisição de imagens de corte,
podem explorar ainda mais essas informações. Nos sistemas de IoT, a arquitetura de aquisição de imagens de culturas,
baseada em computação em nuvem e rede sem fio, pode aumentar a flexibilidade e adaptação de veículos móveis.80,86],
superando os tradicionais sistemas de aquisição de imagens que dependem principalmente apenas de uma câmera fixa ou do
próprio robô móvel.
Na agricultura, os sistemas robóticos podem ser decisivamente úteis na obtenção de produtos de alta qualidade
e quantidade, pois as habilidades humanas e as máquinas agrícolas são profundamente limitadas em relação à
experiência dos robôs. O processo de integração robótica em ambientes agrícolas levou à robotização de máquinas
que desempenham um papel fundamental na agricultura, como sistemas de irrigação e fertilizantes, colheitadeiras e
tratores.95]. A integração de sistemas IoRT em máquinas agrícolas requer uma nova abordagem para gerenciar os
sinais de controle do sistema de controle para os atuadores. Tais sistemas devem garantir uma melhoria na
viabilidade econômica, reduzindo o impacto ambiental e aumentando a sustentabilidade alimentar.75].

Os sistemas de agricultura inteligente baseados em IoT são projetados para realizar várias atividades agrícolas, como
detecção de umidade, irrigação, monitoramento de culturas e defesa contra pragas e animais nocivos.96]. Para isso, robôs
móveis com Sistema de Posicionamento Global (GPS) integrado, como veículos aéreos e terrestres [79,81], são usados para
coletar dados do campo [97,98]. Os Veículos Aéreos Não Tripulados (VANTs) são frequentemente utilizados em conjunto com
um conjunto de dispositivos IoT, para coletar informações de tais sensores, sobrevoando o território.99].

A agricultura de precisão ocorre para usar uma abordagem IoRT para implantar herbicidas, fertilizantes ou
irrigação, com o objetivo de gerenciar diferentes escopos, como variações de tamanhos de culturas, luz e condições
climáticas.78,82]. O principal objetivo desta abordagem de gestão agrícola é reduzir eficientemente os recursos
agrícolas, limitando o custo da produção agrícola e maximizando o rendimento. Para atingir esse objetivo, uma rede
de sensores inteligentes pode ser utilizada para monitorar e medir qualquer alteração nas plantas, utilizando uma
rede de sensores inteligentes [83,84]. Neste contexto, o sistema RSSF, composto por um número limitado de nós
integrando transceptores de radiofrequência (RF), microcontroladores, sensores e fontes de energia [100], pode
fornecer suporte adicional na coleta, controle e monitoramento de dados [101,102]. Dispositivos IoT são implantados
em uma área específica, visando monitorar parâmetros ambientais [103], usando uma conexão sem fio para enviar
dados automaticamente por meio de comunicação multi-hop. Por outro lado, devido à autonomia limitada dos
dispositivos, é fundamental implantar os nós sensores de forma heterogênea, visando ter a maior cobertura com o
mínimo gasto de energia.104].
As aplicações de RSSF são úteis na agricultura inteligente, pois suas principais características incluem autoconfiguração,
diagnóstico e auto-organização.105]. Tais propriedades oferecem alta resolução espacial e temporal para monitorar as
culturas através dos nós sensores implantados nos campos agrícolas [106]. Dentro [84], um sensor
Sensores2020,20, 3355 12 de 23

A rede é implantada automaticamente por um robô móvel, que é usado para buscar a melhor posição adequada dos
sensores do nó de implantação, visando coletar o máximo de dados possível do ambiente circundante. Uma
comparação com uma implantação manual foi realizada, mostrando que a abordagem auxiliada por robótica leva a
um maior desempenho, conseguindo aumentar a eficiência da comunicação, visando monitorar parâmetros
ambientais em amplos ambientes externos. A implantação de uma rede IoT na agricultura inteligente, além de outros
benefícios, pode limitar significativamente os custos de manutenção. Tais sistemas agrícolas, de fato, podem fornecer
dados por meio de sensores que medem calor, umidade, produtos químicos, etc. [107]. Com essas informações, água,
fertilizantes e defensivos podem ser implantados de forma autônoma por meio de um sistema robótico, em
quantidades e posições mais precisas e com melhor programação de tempo para aumentar a produtividade e
diminuir os custos.

3.3. Outros domínios: Saúde, Educação e Vigilância

Os sistemas de IoT são considerados de grande valor nos domínios da saúde, educação e vigilância. Mesa3
compreende uma visão geral da literatura considerada para esta seção. Especificamente, a IoT pode oferecer
benefícios de saúde, sociais e econômicos em várias aplicações, em particular para grupos de pacientes com certas
necessidades, como deficiência mental, pacientes com acidente vascular cerebral, sofredores, amputados e assim por
diante.108,109]. A integração de robôs com sensores e dispositivos IoT oferece várias vantagens no fornecimento de
informações de saúde em tempo real e diagnóstico das condições do paciente, visando diminuir o risco de erros
humanos, como diagnosticar medicamentos, doses e procedimentos errados.110]. Além disso, as tecnologias IoT
podem trazer muitas vantagens em outras aplicações, como rastreamento de pacientes, equipe e ambulância, coleta
automática de dados e sensoriamento.111].

Tabela 3.Panorama da literatura considerada para os domínios Saúde-Atenção, Educação e Vigilância, a

partir de 2018.

Processamento de imagem
Navegação do Robô

Computação em Nuvem
&Planejamento de caminho

Coleta de dados

Multi-robôs

HRI
Esquema das Obras

Cloud and IoT Assisted Indoor Robot (CIoT) para entrega de

medicamentos, baseado no sistema embarcado multi-core,
[108]
protocolo de comunicação RFID e IEEE802.11 e plataformas em
nuvem.

Arquitetura e design de um robô afetivo vestível equipado

com computação cognitiva, denominado Fitbot. Tal robô
[112]
pode realizar a percepção multimodal de dados, visando
reconhecer as emoções do paciente.
Telerobótica habilitada para IoT generalizada arquitetura
projetado para oferecer suporte ao sistema de saúde centrado em
casa, chamado Home-TeleBot, realizado pela integração do
subsistema de captura de movimento humano com o subsistema de
[111]
controle de robô. O robô usado é um robô cooperativo de braço
duplo, chamado YuMi, que imita o movimento humano capturado
por um conjunto de dispositivos de captura de movimento inercial
vestíveis para concluir a tarefa.

Realização de um quiosque de avaliação de saúde, através do

desenvolvimento de uma plataforma robótica que garante a sua
funcionalidade dentro de [109] as redes de informação e comunicação Smart City,
e pode fornecer funções específicas desenvolvendo
aplicativos de acordo com as necessidades dos pacientes.
Sensores2020,20, 3355 13 de 23

Tabela 3.Cont.

Processamento de imagem
Navegação do Robô

Computação em Nuvem
&Planejamento de caminho

Coleta de dados

Multi-robôs

HRI
Esquema das Obras

Sistema de robô baseado em IoT, chamado InterBot 1.0,

equipado com sistemas de comunicação de longo e curto
[113]
alcance. O robô é eficiente no monitoramento de ambientes em
tempo real para vigilância inteligente.

Desenvolvimento de um sistema de monitoramento de câmeras de

vigilância móvel, utilizando um seguidor de linha para fornecer um
[114]
movimento móvel, visando superar o problema de cobertura
limitada enfrentado pelas câmeras de vigilância convencionais.

Sistema multi-robô baseado em inteligência de enxame para

missões de vigilância e resgate, com upload de dados em
tempo real na nuvem usando IoT, explorando a
[115]
intercomunicação sem fio entre vários agentes, técnica PID e
algoritmo de otimização de colônias de formigas (ACO), para
que possam realizar tarefas de forma síncrona .
Robô de vigilância usado para escalar superfícies horizontais e
verticais, enquanto controla automaticamente as transições de
[116]
superfície, explorando o espaço e transmitindo vídeo ao vivo
através do canal sem fio para a estação de trabalho remota.

Detecção de minas terrestres e detecção de gases tóxicos usando um

robô de vigilância de campo multiuso. NodeMCU WiFi
[117] é usado para fazer a interface do controlador e fazer o robô, que pode subir em
qualquer terreno, coletando informações. Todos os dados do sensor robótico
são enviados para servidores em nuvem.

Robôs Autônomos em Rede (ANR) para vigilância, em que

uma RSSF é implementada, onde cada sensor
[118] compreende sensores de fumaça, fogo infravermelho, odor e
detector de movimento e transceptores de RF para rede e
comunicação.

Com foco no domínio da educação, os robôs requerem o uso de comportamentos adequados e adaptativos para
atingir e manter interações sociais adequadas com as pessoas, visando tornar-se explorável em serviços de
assistência, como lição de casa e ensino.112]. A mensuração da atividade eletrodérmica (EDA) pode ser utilizada para
HRI, pois corresponde a uma alteração na condutância da pele em resposta a episódios de atenção, ansiedade e
excitação.119]. Além disso, as respostas da EDA medidas em crianças podem diferir consideravelmente das respostas
médias medidas em adultos.120], pois as crianças podem não responder a certos impulsos como os adultos. Em tais
situações, as tecnologias de IoT usadas para preocupações educacionais de crianças precisam coletar, processar e
analisar dados, a fim de obter a previsão automática do comportamento e estado das crianças.

O monitoramento de lugares e pessoas, com o objetivo de controlar a saúde humana e proteger determinados
ambientes, é uma preocupação conhecida. Aqui, os sistemas de IoT desempenham um papel fundamental, pois
podem fornecer tecnologias inteligentes para alta vigilância em ambientes como áreas sensíveis, hospitais, fronteiras
militares, locais públicos e residências.113,115]. Geralmente, câmeras de circuito fechado de televisão (CCTV) são
usadas para supervisão de ambientes internos e externos.121]. No entanto, tal tecnologia acarreta vários problemas e
constrangimentos, causados principalmente por potenciais adulterações e pela presença de pontos cegos.
Sensores2020,20, 3355 14 de 23

Tais inconvenientes podem ser parcialmente resolvidos aumentando o número de câmeras no sistema [17],
cobrindo mais recantos, mas aumentando o custo e a complexidade do próprio sistema.
A integração e desenvolvimento das aplicações de IoT em vigilância parecem ser a escolha mais adequada em
contextos de vigilância, uma vez que os sistemas de IoT podem ser programados e implementados para serem
rápidos e funcionarem de forma eficiente, abrangendo áreas maiores de forma a tornar seguro um determinado
espaço.114]. Além disso, as tecnologias de nuvem integradas à robótica, que garantem a detecção em tempo real, são
mais úteis para monitorar ambientes remotamente.117] como casas [122], indústrias [123], lojas de varejo e atacado
e, de forma mais geral, detectar a presença humana em diferentes cenários [124]. As leituras de sensores como GPS,
campo magnético, qualidade do ar e valores ambientais também podem ser úteis na supervisão de cenários internos
e externos.116,118], pois o robô pode transmitir dados em tempo real durante uma missão de vigilância [125,126].

4. Questões e Desafios

Internet of Robotic Things representa um novo conceito que pretende delinear a fusão de tecnologias robóticas
com sistemas IoT e computação em nuvem. Como resultado dessa integração, a interação entre os campos de
pesquisa de IoT, computação em nuvem e robótica está se desenvolvendo rapidamente. Tecnologias e aplicativos
inovadores estão permitindo a integração de sistemas de robôs mais inteligentes que garantirão interoperabilidade,
capacidade em tempo real e colaboração autônoma. No entanto, tais aplicações de IoT não são suficientemente
desenvolvidas para serem completamente transferidas para cenários industriais, pois os principais experimentos
propostos na literatura correspondente são executados em laboratórios acadêmicos.
A necessidade de cooperação entre vários robôs, compartilhando espaços com humanos, representa uma
questão fundamental em ambientes inteligentes. A coordenação multi-robô ainda enfrenta várias
preocupações em relação a redes de consenso, controle de gerenciamento, comunicação para infraestruturas
e outros robôs e rastreamento coordenado de trajetórias.127]. Um desafio particular também depende da falta
de suporte para configurações heterogêneas de robôs. Em operações com vários robôs, é consideravelmente
difícil integrar, configurar e coordenar as tecnologias de IoT de diferentes fabricantes, que geralmente usam
sistemas diferentes. No domínio da pesquisa, vários aprimoramentos foram alcançados na habilitação de
certos recursos em aplicativos multi-robô, mas melhorias adicionais exigem necessariamente o envolvimento
ativo dos próprios fabricantes de robôs. Além disso, as interfaces homem-máquina estão se tornando cada vez
mais relevantes em diversos ambientes, como hospitais, restaurantes e áreas de serviço. No HRI, robôs
inteligentes devem responder a gestos humanos bem estabelecidos.128,129]. Ao mesmo tempo, o
processamento de dados correspondente visa alcançar a máxima autonomia e segurança no HRI. No entanto,
ainda existem muitos constrangimentos que dificultam o desenvolvimento do HRI. Novas tipologias de HRI têm
sido estudadas nos últimos anos, como o eye-tracking [130], interação por voz [131] e reconhecimento
biológico [132], mas ainda precisam ser investigados, pois a maioria foi analisada apenas em laboratórios de
pesquisa [133], e eles ainda não são amplamente utilizados.
Com o desenvolvimento e avanço dos CPSs e da Indústria 4.0, cada vez mais indústrias estão adotando soluções
de trabalho remoto por motivos de segurança, onde operadores humanos cooperam com robôs remotamente,
reprogramando e controlando-os a partir de um ambiente seguro. Em tais cenários, HRI assume um significado novo
e mais importante, pois a necessidade de avanços em tecnologia e aplicações pode ser extremamente útil para
permitir que operadores humanos conduzam remotamente robôs industriais [1].134]. Os avanços nas tecnologias de
IoT podem ser a resposta para uma maneira nova e melhor de gerenciar operações industriais. Ultimamente, o
trabalho remoto está recebendo muita atenção devido aos grandes benefícios que traz. Demonstrou-se que o
trabalho remoto leva a um aumento do desempenho em termos de produção, resultante de um melhor equilíbrio
entre vida profissional e pessoal [135]. Os sistemas IoT podem aprimorar ainda mais esses avanços, abrindo novas
possibilidades relacionadas ao trabalho remoto com robôs industriais. Além disso, o mesmo paradigma pode ser
facilmente exportado para qualquer outra aplicação deste levantamento. Por exemplo, no caso da educação, os
alunos podem experimentar mais benefícios com a adoção de robôs sociais dispostos em um cenário de IoT. A
educação remota pode ser extremamente útil para muitos alunos, principalmente os afetados por doenças que os
obrigam a ficar em casa. Tais desafios levam ao
Sensores2020,20, 3355 15 de 23

fato de que a interação entre humanos e robôs para fins educacionais precisa ser aprofundada [136], e o
aprofundamento dos estudos científicos sobre as tecnologias IoT será de extrema importância no futuro.
O crescimento das aplicações de IoT, somado à necessidade de desenvolvimento de sistemas multi-robô e
HRI em ambientes inteligentes, está levando a um dos principais problemas da era da Indústria 4.0: o consumo
de energia. No passado, o consumo de energia não era uma preocupação totalmente abordada, pois somente
nos últimos anos o interesse pela análise do gasto energético tem crescido entre os grupos de pesquisa. A
dificuldade em avaliar e melhorar a eficiência energética em ambientes inteligentes deve-se principalmente à
falta de compreensão exata do comportamento do consumo de energia.137]. Para superar esse problema,
atenção e esforços significativos devem ser dedicados para coletar informações sobre o consumo de energia
de sensores inteligentes, usando diferentes metodologias [138]. Por exemplo, no contexto da fabricação
eficiente, essas informações devem ser integradas ao gerenciamento da produção para alcançar processos
sustentáveis a longo prazo.
O processamento de grandes quantidades de dados nos aplicativos IoT leva a problemas de segurança
cibernética. Nesses sistemas, pode ser necessário adicionar recursos externos de cálculo e armazenamento à rede IoT,
pois os robôs, na borda, podem não conseguir processar e armazenar grandes volumes de dados. Os principais
problemas de segurança cibernética envolvem comunicação insegura entre usuários e robôs, problemas de
autenticação, exposição de dados confidenciais e configuração padrão fraca do robô [139].
Como a segurança é fundamental em robôs em rede, novas arquiteturas de rede inteligente estão se tornando
essenciais para proteger não apenas informações de dados, mas até mesmo humanos em sistemas baseados em HRI. De
fato, a colaboração humano-robô de segurança é uma questão de importância crítica no ambiente industrial, principalmente
quando se trata de sistemas de IoT.140], pois os ataques cibernéticos através da rede ou da Internet podem comprometer o
bom funcionamento desses sistemas industriais. Para solucionar tais problemas, é fundamental auxiliar os provedores de
segurança CPS na identificação de potenciais ameaças, comparando, analisando e coletando dados de diversas fontes.
Considerando o gasto de tempo de humanos e computadores para desenvolver sistemas de IoT, as informações relativas à
produção e outras aplicações de controle industrial devem ser confidenciais e profundamente monitoradas, pois coletar
adequadamente o histórico de informações também pode ser uma chave para garantir a segurança ciberfísica. Os dados de
fabricação devem permanecer no mesmo formato, com o mesmo conteúdo que possuíam na sua criação, e devem ser
trocados com qualquer outro sistema industrial adequado, em qualquer lugar do mundo, utilizando o mesmo protocolo
seguro.
Os problemas de segurança cibernética podem ser superados usando processos centralizados de autenticação e
autorização para transmitir informações de fabricação [141], como fragmentos de dados, responsabilidade
distribuída, controle de operador monitorado e autorização granular. Como a conexão entre dispositivos inteligentes
é essencial para avançar cada vez mais nos campos industrial e de pesquisa, a resolução de problemas relacionados à
segurança ciberfísica é de importância crucial para melhorar o desenvolvimento de sistemas IoT em espaços
inteligentes. Portanto, os problemas de segurança relacionados ao CPS e à conexão do robô precisam ser mais
investigados.

5. Conclusões

O manuscrito apresentado delineou as principais tecnologias da Indústria 4.0 que levaram ao

desenvolvimento dos sistemas IoRT. Especificamente, foi realizada uma visão geral de como o CPS
gerencia a interação entre os mundos físico e virtual, com o objetivo de introduzir o conceito de Internet
das Coisas Robóticas. As arquiteturas de ambos os sistemas foram delineadas e diferentes aplicações de
IoT em diferentes domínios inteligentes foram delineadas, mostrando como as aplicações robóticas
tradicionais se beneficiaram dos sistemas baseados em IoT. Especificamente, foi analisado o estado da
arte a partir de 2018 das aplicações de IoT em domínios inteligentes, revelando que os sistemas de IoT
são agora fundamentais em diferentes cenários, começando pelos incluídos no campo industrial, como
Manufatura e Agricultura , aos que afetam a vida cotidiana, como Saúde, Educação e Vigilância. As
aplicações de IoT também podem lançar as bases para a evolução de outros domínios que estão fora da
esfera industrial, como entretenimento, visitas a museus ou competições esportivas, visando melhorar
cada vez mais aspectos da vida humana. Além disso, observou-se que o desenvolvimento de
Sensores2020,20, 3355 16 de 23

Os sistemas IoT podem ser a resposta para lidar adequadamente com a necessidade de trabalho remoto, onde
os novos requisitos de interações remotas entre humanos e robôs podem ser a resposta para mais satisfação e
produtividade.
Esta pesquisa concentrou-se principalmente nos sistemas baseados em IoT nos campos industrial e de
produção. As questões e desafios da IoT têm sido profundamente analisados, mostrando a crescente
necessidade de investigação na cooperação robô-robô, sobretudo em redes heterogêneas de robôs, interfaces
homem-robô para interações centradas no homem, gerenciamento de energia para a otimização da eficiência
e segurança cibernética para proteger dados confidenciais. Os avanços previstos em eficiência, robustez e
segurança abrirão novas possibilidades até mesmo em novos domínios de aplicativos, que podem se beneficiar
da nova disseminação das mais recentes tecnologias robóticas e de rede.

Financiamento:Este projeto recebeu financiamento do programa de pesquisa e inovação Horizon 2020 da União Europeia
sob o contrato de subvenção ATLAS No 857125.

Agradecimentos:Os autores agradecem a Michele Attolico e Giuseppe Bono pelo apoio administrativo. A
responsabilidade exclusiva pelo conteúdo desta publicação é dos autores. Não representa necessariamente a
opinião da União Europeia. Nem o EASME nem a Comissão Europeia são responsáveis por qualquer uso que
possa ser feito das informações nele contidas.
Conflitos de interesse:Os autores declaram não haver conflito de interesses.

Referências

1. Alcácer, V.; Cruz-Machado, V. Scanning the Industry 4.0: Uma Revisão da Literatura sobre Tecnologias para Sistemas
de Manufatura.Eng. Sci. Tecnol. Int. J.2019,22, 899-919. [CrossRef]
2. Lu, Y. Indústria 4.0: Uma pesquisa sobre tecnologias, aplicações e questões de pesquisa aberta.J. Ind. Inf. Integr.2017, 6,
1-10. [CrossRef]
3. Shih, CS; Chou, JJ; Reijers, N.; Kuo, TW Projetando aplicativos CPS/IoT para edifícios e cidades inteligentes. IET Cyber
Phys. Sistema Teoria Aplicada.2016,1, 3-12. [CrossRef]
4. Xu, H.; Yu, W.; Griffith, D.; Golmie, N. Uma pesquisa sobre a Internet das Coisas industrial: uma perspectiva de sistemas
ciber-físicos.Acesso IEEE2018,6, 78238-78259. [CrossRef]
5. Kondratenko, YP Robótica, Automação e Sistemas de Informação: Perspectivas Futuras e Correlação com Cultura, Esporte e
Ciências da Vida. DentroTomada de Decisão e Sistemas de Apoio à Decisão do Conhecimento: VIII Conferência
Internacional da RACEF, Barcelona, Espanha, novembro de 2013 e Conferência Internacional MS 2013, Chania Creta,
Grécia, novembro de 2013; Gil-Lafuente, AM, Zopounidis, C., Eds.; Springer International Publishing: Cham, Suíça, 2015;
págs. 43-55.
6. van Erp, T.; Seliger, G. Oportunidades de Manufatura Sustentável na Indústria 4.0.Procedia CIRP2016, 40,
536-541.
7. Zhou, K.; Liu, T.; Zhou, L. Indústria 4.0: Rumo a futuras oportunidades e desafios industriais. In Proceedings
of the 2015 12th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD), Zhangjiajie,
China, 15–17 de agosto de 2015; págs. 2147-2152.
8. Ray, PP Internet das Coisas Robóticas: Conceito, Tecnologias e Desafios.Acesso IEEE2016,4, 9489-9500. [
CrossRef]
9. Vermesan, O.; Bröring, A.; Tragos, E.; Serrano, M.; Bacciu, D.; Chessa, S.; Gallicchio, C.; Micheli, A.; Dragone, M.;
Saffiotti, A.; et ai. Internet das coisas robóticas: detecção/atuação convergente, hipoconectividade, inteligência
artificial e plataformas IoT. DentroTransformação Digital Cognitiva Hiperconectada: Evolução da Inteligência da
Internet das Coisas; River Publishers: Gistrup, Dinamarca, 2017; pp. 97-155.
10. Banho, RS; Nayyar, A.; Nagpal, A. Internet das Coisas Robóticas: Impulsionando a Robótica Inteligente do Futuro-Conceito,
Arquitetura, Aplicações e Tecnologias. In Proceedings of the 2018 4th International Conference on Computing Sciences
(ICCS), Jalandhar, Índia, 30-31 de agosto de 2018; págs. 151-160.
11. Simões, P.; Dragone, M.; Saffiotti, A. A Internet das Coisas Robóticas: Uma revisão de conceito, valor agregado e
aplicações.Int. J. Av. Robô. Sistema2018,15. [CrossRef]
12. Afanasyev, I.; Mazzara, M.; Chakraborty, S.; Zhuchkov, N.; Maksatbek, A.; Kassab, M.; Distefano, S. Rumo à
Internet das Coisas Robóticas: Análise, Arquitetura, Componentes e Desafios. Em Procedimentos
Sensores2020,20, 3355 17 de 23

da 12ª Conferência Internacional sobre Desenvolvimentos em Engenharia de Sistemas Eletrônicos (DeSE) de 2019, Kazan, Rússia, 7 a 10 de
outubro de 2019.
13. Yao, X.; Zhou, J.; Lin, Y.; Li, Y.; Yu, H.; Liu, Y. Manufatura inteligente baseada em sistemas ciber-físicos e além.
J. Intel. Manuf.2019,30, 2805-2817. [CrossRef]
14. Mazzara, M.; Afanasyev, I.; Sarangi, S.; Distefano, S.; Kumar, V. Uma Arquitetura de Referência para Edifícios Inteligentes e
Definidos por Software. In Proceedings of the 2019 IEEE International Conference on Smart Computing (SMARTCOMP),
Washington, DC, EUA, 12 a 15 de junho de 2019.
15. Wan, J.; Tang, S.; Shu, Z.; Li, D.; Wang, S.; Imran, M.; Vasilakos, AV Internet das Coisas Industrial Definida por
Software no Contexto da Indústria 4.0.IEEE Sens. J.2016,16, 7373-7380. [CrossRef]
16. Zheng, P.; Wang, H.; Sang, Z.; Zhong, RY; Liu, Y.; Liu, C.; Mubarok, K.; Yu, S.; Xu, X. Sistemas de manufatura
inteligentes para a Indústria 4.0: Estrutura conceitual, cenários e perspectivas futuras.Frente. Mec. Eng.2018, 13,
137-150. [CrossRef]
17. Petitti, A.; Di Paola, D.; Milella, A.; Lourusso, A.; Colela, R.; Atólico, G.; Caccia, M. Uma Rede de Sensores Estacionários e
Robôs Móveis para Inteligência Ambiental Distribuída.IEEE Intell. Sistema2016,31, 28-34. [CrossRef]
18. Wollschlaeger, M.; Sauter, T.; Jasperneite, J. O Futuro da Comunicação Industrial: Redes de Automação na
Era da Internet das Coisas e da Indústria 4.0.IEEE Ind. Electron. Mag.2017,11, 17-27. [CrossRef]
19. Leitão, P.; Karnouskos, S.; Ribeiro, L.; Lee, J.; Strasser, T.; Colombo, AW Agentes Inteligentes em Sistemas
Ciber-Físicos Industriais.Proc. IEEE2016,104, 1086-1101. [CrossRef]
20. Uhlemann, TH-J.; Lehmann, C.; Steinhilper, R. The Digital Twin: Realizing the Cyber-Physical Production
System for Industry 4.0.Procedia CIRP2017,61, 335-340. [CrossRef]
21. Grieves, M.; Vickers, J. Digital Twin: Mitigar o comportamento emergente imprevisível e indesejável em sistemas
complexos. DentroPerspectivas Transdisciplinares em Sistemas Complexos: Novas Descobertas e Abordagens; Kahlen,
FJ, Flumerfelt, S., Alves, A., Eds.; Springer International Publishing: Cham, Suíça, 2017; págs. 85-113.
22. Tomiyama, T.; Moyen, F. Arquitetura resiliente para sistemas de produção ciber-física.CIRP Ann.2018, 67,
161-164. [CrossRef]
23. Garcia, CA; Montalvo-Lopez, W.; Garcia, MV Colaboração Homem-Robô Baseada no Sistema de Produção Ciber-
Física e MQTT. In Proceedings of the International Conference on Industry 4.0 and Smart Manufacturing (ISM
2019), Rende, Itália, 20 a 22 de novembro de 2020; Volume 42, pp. 315-321.
24. Yu, M.; Zhu, M.; Chen, G.; Li, J.; Zhou, Z. Uma arquitetura ciber-física para o sistema de detecção de equipamentos de
energia baseados na indústria 4.0. In Proceedings of the 2016 International Conference on Condition Monitoring and
Diagnosis (CMD), Xi'an, China, 25–28 de setembro de 2016; págs. 782-785.
25. Jiang, JR Uma arquitetura de sistemas ciber-físicos aprimorada para fábricas inteligentes da Indústria 4.0.Av. Mec. Eng.
2018,10. [CrossRef]
26. Liu, C.; Jiang, P. Uma Arquitetura de Sistemas Ciber-físicos no Chão de Fábrica para Manufatura Inteligente.
Procedia CIRP2016,56, 372-377. [CrossRef]
27. Liu, Y.; Peng, Y.; Wang, B.; Yao, S.; Liu, Z. Revisão sobre sistemas ciber-físicos.IEEE/CAA J. Autom. Pecado.2017, 4,
27-40. [CrossRef]
28. Drozdov, D.; Patil, S.; Dubinin, V.; Vyatkin, V. Rumo à semântica formal ASM de sistemas de controle temporizado para CPS
industrial. In Proceedings of the 2019 24th IEEE International Conference on Emerging Technologies and Factory
Automation (ETFA), Zaragoza, Espanha, 10 a 13 de setembro de 2019; págs. 1682-1685.
29. Cai, Y.; Tang, W.; Zhang, B.; Wang, Y. Configuração colaborativa para armazenamento de energia distribuída e sistemas cibernéticos
em redes de distribuição de baixa tensão com alta penetração de sistemas fotovoltaicos.IET Cyber Phys. Sistema Teoria
Aplicada.2019,4, 3-12. [CrossRef]
30. Hosseini, M.; Berlim, RR; Sha, L. Uma Arquitetura de Comunicação Sensível à Fisiologia para CPS Médica de
Emergência Distribuída. In Proceedings of the 8th International Conference on Cyber-Physical Systems, ICCPS
'17, Pittsburgh, PA, EUA, 18–20 de abril de 2017; Association for Computing Machinery: Nova York, NY, EUA,
2017; pág. 83. [CrossRef]
31. Koken, B. Plataformas de robótica em nuvem.Interdisciplinar. Descr. Sistema Complexo. ÍNDICE2015,13, 26-33. [CrossRef]
32. Razafimandimby, C.; Loscri, V.; Vegni, AM para uma implantação eficiente na Internet das coisas robóticas. Dentro
Integração, interconexão e interoperabilidade de sistemas IoT; Gravina, R., Palau, CE, Manso, M., Liotta, A.,
Fortino, G., Eds.; Springer International Publishing: Cham, Suíça, 2018; págs. 21–37.
Sensores2020,20, 3355 18 de 23

33. Ramson, SJ; Moni, DJ Aplicações de redes de sensores sem fio—Uma pesquisa. In Proceedings of the 2017
International Conference on Innovations in Electrical, Electronics, Instrumentation and Media Technology
(ICEEIMT), Coimbatore, Índia, 3–4 de fevereiro de 2017; IEEE: Piscataway, NJ, EUA, 2017; págs. 325-329.
34. Nathalie, M.; Davi, RSRedes de sensores e robôs sem fio: do controle de topologia aos aspectos de comunicação;
World Scientific: Cingapura, 2013.
35. Li, TS; Liu, C.; Kuo, P.; Fang, N.; Li, C.; Cheng, C.; Hsieh, C.; Wu, L.; Liang, J.; Chen, C. Um algoritmo de empacotamento baseado em
PSO adaptável tridimensional para um sistema de empacotamento automatizado baseado em IoT baseado em e-Fulfillment.
Acesso IEEE2017,5, 9188-9205. [CrossRef]
36. Cecil, J.; Albahamood, S.; Ramanathan, P.; Gupta, A. Uma estrutura de fabricação cibernética baseada na Internet das
Coisas (IoT) para a montagem de microdispositivos.Int. J. Computação. Integr. Manuf.2019,32, 430-440. [CrossRef]
37. Ke, Q.; Xiaogang, L. Sistema de monitoramento de Internet das Coisas de soldagem por robô baseado em rede definida
por software. In Proceedings of the 2016 First IEEE International Conference on Computer Communication and the
Internet (ICCCI), Wuhan, China, 13–15 de outubro de 2016; págs. 112-117.
38. Song, D.; Goldberg, K.; Chong, NY Robôs em Rede. DentroManual de Robótica Springer; Siciliano, B., Khatib,
O., Eds.; Springer International Publishing: Cham, Suíça, 2016; págs. 1109-1134.
39. Rosenfeld, A.; Agmon, N.; Maksimov, O.; Kraus, S. Agente inteligente que dá suporte à colaboração de equipe entre
humanos e vários robôs.Artif. Intel.2017,252, 211-231. [CrossRef]
40. Gaggero, M.; Di Paola, D.; Petitti, A.; Caviglione, L. Quando o tempo importa: planejamento de missão preditiva em
cenários ciber-físicos.Acesso IEEE2019,7, 11246-11257. [CrossRef]
41. Pai, V.; Shenoy, UKK 6LowPan—Análise de Desempenho em Redes de Baixa Potência. DentroConferência Internacional
sobre Redes de Computadores e Tecnologias de Comunicação; Smys, S., Bestak, R., Chen, JIZ, Kotuliak, I., Eds.; Springer:
Cingapura, 2019; págs. 145-156.
42. Vos, M.; Cranefield, J. Sistemas RFID/Internet das Coisas na fronteira entre os setores público e privado: Um estudo
formiga da multiplicidade. In Proceedings of the 25th European Conference on Information Systems (ECIS), Guimarães,
Portugal, 5–10 de junho de 2017; págs. 1205-1216.
43. Belbachir, A.; Benabid, S. Comunicação Inteligente para Rede de Sensores Sem Fio cooperativa. In Proceedings of the 2016
International Conference on Applied Electronics (AE), Pilsen, República Tcheca, 6–7 de setembro de 2016; págs. 15–18.

44. Mosavi, A.; Varkonyi-Koczy, AR Integração de Aprendizado de Máquina e Otimização para Aprendizado de
Robôs. DentroPesquisa e Educação Global Recente: Desafios Tecnológicos; Jabłoński, R., Szewczyk, R., Eds.;
Springer International Publishing: Cham, Suíça, 2017; pp. 349-355.
45. Kehoe, B.; Patil, S.; Abbeel, P.; Goldberg, K. Uma Pesquisa de Pesquisa em Robótica e Automação em Nuvem.
Trans. IEEE Autom. Sci. Eng.2015,12, 398-409. [CrossRef]
46. Yin, S.; Li, X.; Gao, H.; Kaynak, O. Técnicas baseadas em dados focadas na indústria moderna: uma visão geral.
Trans. IEEE Ind. Elétron.2015,62, 657-667. [CrossRef]
47. Pedersen, MR; Nalpantidis, L.; Andersen, RS; Schou, C.; Bøgh, S.; Kruger, V.; Madsen, O. Habilidades robóticas para
fabricação: Do conceito à implantação industrial.Robô. Computar. Integr. Manuf.2016,37, 282-291. [CrossRef]

48. Coronado, PDU; Ahuett-Garza, H.; Morales-Menendez, R.; Castañón, PO; Dávila, LD; Escalera, MRF
Conectividade de um veículo elétrico modular pelo uso de um dispositivo móvel.Av. Mec. Eng.2017,
9, 1687814017708087.
49. Kumar, A. Métodos e Materiais para Manufatura Inteligente: Manufatura Aditiva, Internet das Coisas,
Sensores Flexíveis e Robótica Suave. Indústria 4.0 e Manufatura Inteligente.Manuf. Lett.2018,15, 122-125.
[CrossRef]
50. Ali, MH; Aizat, K.; Yerkhan, K.; Zhandos, T.; Anuar, O. Robô manipulador baseado em visão para aplicações
industriais.Procedia Comput. Sci.2018,133, 205-212. [CrossRef]
51. Chang, W.; Lin, S.; Hsu, J.; Hsu, B. Planejamento Automático de Caminho de Robô para Manufatura Inteligente Baseado em
Simulação e Controle Remoto de Rede. In Proceedings of the 2019 4th Asia-Pacific Conference on Intelligent Robot
Systems (ACIRS), Nagoya, Japão, 13 a 15 de julho de 2019; págs. 164-168.
52. Liu, Q.; Hua, P.; Sultan, A.; Shen, L.; Mueller, E.; Boerner, F. Estudo da Integração de Robôs em Sistemas Ciber-
Físicos de Produção. In Proceedings of the 2019 International Conference on Cyber-Enabled Distributed
Computing and Knowledge Discovery (CyberC), Guilin, China, 17 a 19 de outubro de 2019; págs. 367-370.
Sensores2020,20, 3355 19 de 23

53. Lee, YK; Go, YH; Tew, Y. Estrutura do Robô Móvel Autônomo Físico Cibernético (CPAMR) no Contexto da
Indústria 4.0.MATEC WebConf.2018,167, 02005. [CrossRef]
54. Liu, Q.; Liu, Z.; Xu, W.; Tang, Q.; Zhou, Z.; Pham, DT Colaboração homem-robô na desmontagem para
fabricação sustentável.Int. J. Prod. Res.2019,57, 4027-4044. [CrossRef]
55. Mrudul, K.; Mandava, RK; Vundavilli, PR Um algoritmo de planejamento de caminho eficiente para robô bípede usando o
método de marcha rápida.Procedia Comput. Sci.2018,133, 116-123. [CrossRef]
56. Saraswathi, M.; Murali, GB; Deepak, B. Planejamento de Caminho Ótimo de Robô Móvel Usando Algoritmo de
Busca-Bat de Cuco Híbrido.Procedia Comput. Sci.2018,133, 510-517. [CrossRef]
57. Wang, S.; Wan, J.; Imran, M.; Li, D.; Zhang, C. Manufatura inteligente baseada em nuvem para aplicação de embalagem de
doces personalizada.J. Supercomputador.2018,74, 4339-4357. [CrossRef]
58. Chen, F.; Selvaggio, M.; Caldwell, DG Agarramento hábil por seleção de manipulabilidade para manipulador
móvel com orientação visual.Trans. IEEE Ind. Informar.2019,15, 1202-1210. [CrossRef]
59. Yao, B.; Zhou, Z.; Wang, L.; Xu, W.; Liu, Q.; Liu, A. Controle de admitância sem sensor e adaptativo de robô
industrial na interação física humano-robô.Robô. Computar. Integr. Manuf.2018,51, 158-168. [CrossRef]
60. Grau, A.; Indri, M.; Belo, LL; Sauter, T. Robótica industrial em automação de fábrica: desde o estágio inicial até a Internet
das Coisas. In Proceedings of the IECON 2017—43rd Annual Conference of the IEEE Industrial Electronics Society,
Pequim, China, 29 de outubro a 1º de novembro de 2017; págs. 6159–6164.
61. Romero-Hdz, J.; Saha, B.; Toledo-Ramirez, G.; Beltran-Bqz, D. Otimização de sequência de soldagem usando técnicas de
inteligência artificial: Uma visão geral.SSRG Int. J. Computação. Sci. Eng.2016,3, 90-95. [CrossRef]
62. Madhira, K.; Mehta, S.; Bollineni, R.; Kavathia, D. AGWallP—Sistema de pintura de parede guiado automaticamente.
In Proceedings of the 2017 Nirma University International Conference on Engineering (NUiCONE), Ahmedabad,
Índia, 23 a 25 de novembro de 2017; págs. 1–5.
63. Kalpana, MATM; Tyagi, MA Bellman ford algoritmo de caminho mais curto usando sistema de posicionamento global. Int.
Res. J. Eng. Tecnol.2017,4, 12.
64. Qing, G.; Zheng, Z.; Yue, X. Planejamento de caminho de veículo guiado automatizado com base no algoritmo Dijkstra
aprimorado. In Proceedings of the 2017 29th Chinese Control and Decision Conference (CCDC), Chongqing, China, 28–
30 de maio de 2017; IEEE: Piscataway, NJ, EUA, 2017; págs. 7138–7143.
65. Chen, X.; Qin, S. Abordagem para encontrar caminhos hierárquicos de alta eficiência de robôs de serviços móveis internos com
base no mapa de grade e no algoritmo Floyd-Warshall. In Proceedings of the 2017 Chinese Automation Congress (CAC), Jinan,
China, 20–22 de outubro de 2017; IEEE: Piscataway, NJ, EUA, 2017; págs. 6476-6483.
66. Xin, L.; Xiangyuan, H.; Ziqi, Y.; Xiaoning, Q.; Yingkui, D. O Algoritmo Algébrico para o Problema de Planejamento de
Caminho de AGV em Sistema Flexível de Manufatura. In Proceedings of the 37th Chinese Control Conference (CCC) de
2018, Wuhan, China, 25 a 27 de julho de 2018; IEEE: Piscataway, NJ, EUA, 2018; págs. 2396–2399.
67. Huang, C.; Zhang, L.; Liu, T.; Zhang, HY Um middleware de controle para robótica em nuvem. In Proceedings of the 2016
IEEE International Conference on Information and Automation (ICIA), Ningbo, China, 1–3 de agosto de 2016; págs.
1907-1912.
68. Yan, H.; Hua, Q.; Wang, Y.; Wei, W.; Imran, M. Cloud robotics in Smart Manufacturing Environments:
Desafios e contramedidas.Computar. Eletr. Eng.2017,63, 56-65. [CrossRef]
69. Marvel, JA; Bostelman, R.; Falco, J. Estratégias e Métricas de Montagem de Multi-Robôs.Computação ACM. Sobreviv. 2018,
51, 14. [CrossRef] [PubMed]
70. Wang, XV; Wang, L.; Mohammed, A.; Givehchi, M. Sistema de manufatura ubíquo baseado em nuvem: uma
aplicação de robótica.Robô. Computar. Integr. Manuf.2017,45, 116-125. [CrossRef]
71. Wan, J.; Tang, S.; Yan, H.; Li, D.; Wang, S.; Vasilakos, A. Robótica em nuvem: status atual e questões em aberto.
Acesso IEEE2016,4, 2797-2807. [CrossRef]
72. Zimmerman, M.; Marvel, JA Smart Manufacturing e a Promoção de Colaborações Humano-Robô
Artificialmente Inteligentes em Pequenas e Médias Empresas. In Proceedings of the Association for the
Advancement of Artificial Intelligence, Arlington, MA, EUA, 9 a 11 de novembro de 2017.
73. Halme, RJ; Lanz, M.; Kämäräinen, J.; Pieters, R.; Latokartano, J.; Hietanen, A. Revisão de sistemas de segurança baseados
em visão para colaboração humano-robô.Procedia CIRP2018,72, 111-116. [CrossRef]
74. Garcia, MAR; Rojasa, R.; Gualtieria, L.; Raucha, E.; Matta, D. Um sistema ciberfísico humano no circuito para
montagem colaborativa na fabricação inteligente.Procedia CIRP2019,81, 600-605 [CrossRef]
75. Duckett, T.; Pearson, S.; Blackmore, S.; Grieve, B.; Wilson, P.; Gill, H.; Hunter, AJ; Georgilas, I. Robótica
Agrícola: O Futuro da Agricultura Robótica.arXiv2018, arXiv:1806.06762.
Sensores2020,20, 3355 20 de 23

76. Wolfert, S.; Ge, L.; Verdouw, C.; Bogaardt, MJ Big Data em Smart Farming—Uma revisão.Agrícola. Sistema2017, 153
, 69-80. [CrossRef]
77. Saravanan, D.; Archana, G.; Parthiban, R. Carro robótico humanóide controlado por voz para agricultura inteligente
usando Arduino e Android Smart Watch.Int. J. Pure Appl. Matemática.2018,119, 829-833.
78. Prasad, D.; Singla, K.; Baggan, V.; outros. Modelo de sistema para agricultura de precisão inteligente para alta produtividade.
J. Computação. Teor. Nanosci.2019,16, 4406-4411. [CrossRef]
79. Li, X.; Ma, Z.; Chu, X.; Liu, Y. Uma Estratégia de Monitoramento de Região Assistida por Nuvem de Robô Móvel em Estufa
Inteligente.Mob. Inf. Sistema2019,2019, 5846232. [CrossRef]
80. Xu, X.; Li, X.; Zhang, R. Robô de elevação de aquisição de imagem configurável remoto para agricultura inteligente. In
Proceedings of the 2019 IEEE 4th Advanced Information Technology, Electronic and Automation Control Conference
(IAEAC), Chengdu, China, 20-22 de dezembro de 2019; Volume 1, pp. 1545-1548.
81. Zaman, S.; Comba, L.; Biglia, A.; Aimonina, DR; Barge, P.; Gay, P. Sistema de odometria visual econômico para controle de
movimento de veículos em ambientes agrícolas.Computar. Elétron. Agrícola.2019,162, 82-94. [CrossRef]
82. Ju, C.; Son, HI Modelagem e Controle de Robôs Agrícolas Heterogêneos Baseados na Teoria de Ramadge-
Wonham.Robô IEEE. Autom. Lett.2020,5, 48-55. [CrossRef]
83. Mahbub, M. Um conceito de agricultura inteligente baseado em eletrônica embarcada inteligente, internet das coisas e rede de
sensores sem fio.Coisas da Internet2020,9, 100161. [CrossRef]
84. Romeu, L.; Petitti, A.; Colela, R.; Valece, G.; Boccadoro, P.; Milella, A.; Grieco, LA Implantação automatizada de redes
IoT em cenários externos usando um veículo terrestre não tripulado. In Proceedings of the 21st IEEE 2020
International Conference on Industrial Technology (ICIT2020), Buenos Aires, Argentina, 26 a 28 de fevereiro de
2020.
85. Dharmasena, T.; de Silva, R.; Abhayasingha, N.; Abeygunawardhana, P. Autonomous Cloud Robotic System for
Smart Agriculture. In Proceedings of the 2019 Moratuwa Engineering Research Conference (MERCon),
Moratuwa, Sri Lanka, 3 a 5 de julho de 2019; págs. 388–393.
86. Faryadi, S.; Davoodi, M.; Mohammadpour Velni, J. Cobertura de Campo Agrícola Usando Veículos Terrestres Não
Tripulados Cooperantes. In Proceedings of the Dynamic Systems and Control Conference, American Society of
Mechanical Engineers, Park City, UT, EUA, 8 a 11 de outubro de 2019; Volume 59155, p. V002T25A003.
87. Blaser, WJ; Oppong, J.; Hart, SP; Landolt, J.; Yeboah, E.; Six, J. Agricultura sustentável inteligente para o clima em
agroflorestas de sombra baixa a intermediária.Nat. Sustentar.2018,1, 234-239. [CrossRef]
88. Campbell, BM; Thornton, P.; Zougmoré, R.; Van Asten, P.; Lipper, L. Intensificação sustentável: Qual é o seu papel na
agricultura climática inteligente?atual Opinião. Ambiente. Sustentar.2014,8, 39-43. [CrossRef]
89. Khatri-Chhetri, A.; Aggarwal, PK; Joshi, PK; Vyas, S. Priorização dos agricultores de tecnologias de agricultura inteligente
para o clima (CSA).Agrícola. Sistema2017,151, 184-191. [CrossRef]
90. Mat, I.; Kassim, MRM; Harun, AN; Yusoff, IM Agricultura Inteligente Usando Internet das Coisas. In Proceedings of
the 2018 IEEE Conference on Open Systems (ICOS), Langkawi, Malásia, 21 a 22 de novembro de 2018; IEEE:
Piscataway, NJ, EUA, 2018; págs. 54–59.
91. McConnell, MD; Burger, LW, Jr. Conservação de precisão para aumentar os benefícios da vida selvagem em paisagens
agrícolas.Preciso Conserv. Geospat. Tecnologia Agrícola. Nat. Recurso. Conserv.2017,59, 285-312.
92. García-Tejero, IF; Carbonell, R.; Ordóñez, R.; Torres, FP; Zuazo, VHD Práticas de Agricultura de Conservação para Melhorar a Gestão
da Água do Solo e o Armazenamento de Carbono do Solo em Agroecossistemas de Sequeiro do Mediterrâneo.
DentroRestauração e Gestão da Saúde do Solo; Springer: Berlim/Heidelberg, Alemanha, 2020; págs. 203-230.
93. Tyagi, NK; Joshi, PK, Seguro Baseado em Índice para Mitigação de Riscos de Inundação na Agricultura: Situação, Desafios e
Caminho a Seguir. DentroAgricultura Inteligente para o Clima no Sul da Ásia: Tecnologias, Políticas e Instituições; Pal,
BD, Kishore, A., Joshi, PK, Tyagi, NK, Eds.; Springer: Cingapura, 2019; págs. 183–204.
94. Uddin, MA; Mansour, A.; Le Jeune, D.; Aggune, EHM Agricultura Internet das coisas: AG-IoT. In Proceedings
of the 2017 27th International Telecommunication Networks and Applications Conference (ITNAC),
Melbourne, Austrália, 22–24 de novembro de 2017; págs. 1–6.
95. Serebrenny, V.; Shereuzhev, M.; Metasov, I. Abordagens à robotização de máquinas móveis agrícolas.
MATEC WebConf. EDP Sci.2018,161, 3-14. [CrossRef]
96. Mekala, MS; Viswanathan, P. A Pesquisa: Agricultura inteligente IoT com computação em nuvem. In Proceedings of the
2017 International Conference on Microelectronic Devices, Circuits and Systems (ICMDCS), Vellore, Índia, 10–12 de
agosto de 2017; IEEE: Piscataway, NJ, EUA, 2017; págs. 1–7.
Sensores2020,20, 3355 21 de 23

97. Reina, G.; Milella, A.; Rouveure, R.; Nielsen, M.; Pior, R.; Blas, MR Conscientização ambiental para veículos robóticos
agrícolas.Biosist. Eng.2016,146, 114-132. [CrossRef]
98. Milella, A.; Marani, R.; Petitti, A.; Reina, G. Fenotipagem de videira de alto rendimento em campo com uma câmera de
profundidade de nível de consumidor.Computar. Elétron. Agrícola.2019,156, 293-306. [CrossRef]
99. Petkovics, I.; Simon, J.; Petkovics, A.; Covic, Z. Seleção de veículo aéreo não tripulado para agricultura de precisão com
algoritmo de tomada de decisão multicritério. In Proceedings of the 2017 IEEE 15th International Symposium on
Intelligent Systems and Informatics (SISY), Subotica, Sérvia, 14 a 16 de setembro de 2017.
100. Valecce, G.; Micoli, G.; Boccadoro, P.; Petitti, A.; Colela, R.; Milella, A.; Alfredo Grieco, L. Robotic-aided IoT:
Implantação automatizada de uma rede 6TiSCH usando um UGV.IET Wirel. Sens. Syst.2019,9, 438-446. [
CrossRef]
101. Jawad, HM; Nordin, R.; Gharghan, SK; Jawad, AM; Ismail, M. Redes de Sensores Sem Fio com Eficiência Energética para
Agricultura de Precisão: Uma Revisão.Sensores2017,17, 1781. [CrossRef] [PubMed]
102. Basnet, B.; Bang, J. O estado da arte da agricultura intensiva em conhecimento: uma revisão sobre sistemas de detecção
aplicados e análise de dados.J. Sens.2018,2018, 1-13.
103. Scilimati, V.; Petitti, A.; Boccadoro, P.; Colela, R.; Di Paola, D.; Milella, A.; Alfredo Grieco, L. Internet industrial das coisas no
trabalho: uma análise de estudo de caso em monitoramento ambiental auxiliado por robótica.IET Wirel. Sens. Syst.2017,
7, 155-162. [CrossRef]
104. Adamo, F.; Attivissimo, F.; Di Nísio, A.; Carducci, CGC; Spadavecchia, M.; Guagnano, A.; Goh, M. Comparação de
sensores atuais para avaliação do consumo de energia de nós de rede de sensores sem fio.
In Proceedings of the 2017 IEEE International Workshop on Measurement and Networking (M&N), Nápoles, Itália, 27 a
29 de setembro de 2017; IEEE: Piscataway, NJ, EUA, 2017; págs. 1–4.
105. Micoli, G.; Boccadoro, P.; Valece, G.; Petitti, A.; Colela, R.; Milella, A.; Grieco, LA ASAP: Uma Política Descentralizada
de Reserva de Slots para Redes Dinâmicas 6TiSCH em IoT Industrial. In Proceedings of the 2019 IEEE
International Conference on Communications Workshops (ICC Workshops), Xangai, China, 20 a 24 de maio de
2019; págs. 1–6.
106. Krishna, KL; Silver, O.; Malende, WF; Anuradha, K. Aplicação de Internet das Coisas para implementação de sistema de
agricultura inteligente. In Proceedings of the 2017 International Conference on I-SMAC (IoT in Social, Mobile, Analytics
and Cloud), Palladam, Índia, 10 a 11 de fevereiro de 2017; págs. 54–59.
107. Roopaei, M.; Rad, P.; Choo, KKR Nuvem das coisas na agricultura inteligente: monitoramento inteligente de irrigação por imagem
térmica.Computação em Nuvem IEEE.2017,4, 10-15. [CrossRef]
108. Cao, H.; Huang, X.; Zhuang, J.; Xu, J.; Shao, Z. CIoT-Robot Cloud and IoT Assisted Indoor Robot for Medicine
Delivery. In Proceedings of the 2018 Joint International Advanced Engineering and Technology Research
Conference (JIAET 2018), Xi'an China, 26–27 de maio de 2018; Atlantis Press: Paris, França, 2018.
109. Grigorescu, SD; Argatú, FC; Paturca, SV; Cepisca, C.; Seritan, GC; Adochiei, FC; Enache, B. Plataforma Robótica com
Aplicações Médicas no Ambiente de Cidade Inteligente. In Proceedings of the 2019 11th International
Symposium on Advanced Topics in Electrical Engineering (ATEE), Bucareste, Romênia, 28 a 30 de março de 2019;
págs. 1–6.
110. Amin, R.; Islam, SH; Biswas, G.; Khan, MK; Kumar, N. Um sistema de monitoramento de pacientes robusto e anônimo
usando redes de sensores médicos sem fio.Gerador Futuro. Computar. Sistema2018,80, 483-495. [CrossRef]
111. Zhou, H.; Lv, H.; Pang, Z.; Huang, X.; Yang, H.; Yang, G. Captura e mapeamento de movimento de braço duplo habilitado para IoT
para telerrobótica em atendimento domiciliar.IEEE J. Biomed. Informe Saúde.2019,24, 1541-1549. [CrossRef]
112. Chen, M.; Zhou, J.; Tao, G.; Yang, J.; Hu, L. Robô Afetivo Vestível.Acesso IEEE2018,6, 64766-64776. [CrossRef]

113. Nayyar, A.; Puri, V.; Nguyen, NG; Le, DN Robô de Vigilância Inteligente para Monitoramento em Tempo Real e
Sistema de Controle em Ambiente e Aplicações Industriais. DentroProjeto de Sistemas de Informação e
Aplicações Inteligentes; Bhateja, V., Nguyen, BL, Nguyen, NG, Satapathy, SC, Le, DN, Eds.; Springer: Cingapura,
2018; págs. 229–243.
114. Saad, WHM; Karim, SAA; Azhar, N.; Manap, Z.; Em breve, YY; Ibrahim, Robô Móvel Seguidor de Linha MM para Sistema de
Monitoramento de Câmeras de Vigilância.J. Telecommun. Elétron. Computar. Eng. (JTEC)2018,10, 1-5.
115. Singh, R.; Samkaria, R.; Gehlot, A.; Choudhary, S. Design e Desenvolvimento do Sistema Multi Robô habilitado
para IoT para Missão de Busca e Resgate.IJWA2018,10, 51-63. [CrossRef]
116. Raj Kumar, K.; Kumar, CS; Yuvashree, C.; Murugan, Robô de vigilância portátil MS usando IoT.Int. Res. J.
Eng. Tecnol. (IRJET)2019,6, 94-97.
Sensores2020,20, 3355 22 de 23

117. Ashokkumar, M.; Thirumurugan, T. Design baseado em IOT integrado e robô de vigilância de campo
multifuncional operado por Android para uso militar. In Proceedings of the International Conference for
Phoenixes on Emerging Current Trends in Engineering and Management (PECTEAM 2018), Tamilnadu, Índia, 9–
10 de fevereiro de 2018; Atlantis Press: Paris, França, 2018.
118. Chukwuemeka, C.; Habib, M. Desenvolvimento de Robôs Autônomos em Rede (ANR) para Vigilância: Projeto
Conceitual e Requisitos. In Proceedings of the IECON 2018—44th Annual Conference of the IEEE Industrial
Electronics Society, Washington, DC, EUA, 21–23 de outubro de 2018; págs. 3757-3763.
119. Bonaci, T.; Herron, J.; Yusuf, T.; Yan, J.; Kohno, T.; Chizeck, HJ Para tornar um robô seguro: uma análise experimental das
ameaças à segurança cibernética contra robôs cirúrgicos teleoperados.arXiv2015, arXiv:1504.04339.
120. Fenning, RM; Baker, JK; Baucom, BR; Erath, SA; Howland, MA; Moffitt, J. Variabilidade Eletrodérmica e Gravidade dos
Sintomas em Crianças com Transtorno do Espectro do Autismo.J. Autismo Dev. Desordem.2017,47, 1062-1072. [CrossRef
] [PubMed]
121. Saponara, S.; Pilato, L.; Fanucci, L. Explorando o sistema de câmeras CCTV para serviços avançados de passageiros a
bordo de trens. In Proceedings of the 2016 IEEE International Smart Cities Conference (ISC2), Trento, Itália, 12–15 de
setembro de 2016; págs. 1–6.
122. Khakimov, A.; Muthanna, A.; Kirichek, R.; Koucheryavy, A.; Muthanna, MSA Investigação de métodos para controle remoto
de dispositivos IoT baseados em plataformas de nuvem e diferentes protocolos de interação. Nos Anais da Conferência
IEEE 2017 de Jovens Pesquisadores Russos em Engenharia Elétrica e Eletrônica (EIConRus),
São Petersburgo, Rússia, 1 a 3 de fevereiro de 2017; págs. 160–163.
123. Raju, HS; Shenoy, S. Monitoramento remoto em tempo real e operação de dispositivos industriais usando IoT e nuvem. In
Proceedings of the 2016 2nd International Conference on Contemporary Computing and Informatics (IC3I), Noida, Índia,
14–17 de dezembro de 2016; pp. 324-329.
124. Meghana, S.; Nikhil, TV; Murali, R.; Sanjana, S.; Vidhya, R.; Mohammed, KJ Projeto e implementação de robô de
vigilância para segurança externa. In Proceedings of the 2017 2nd IEEE International Conference on Recent
Trends in Electronics, Information Communication Technology (RTEICT), Bangalore, Índia, 19–20 de maio de
2017; págs. 1679-1682.
125. Shah, MS; Borole, PB Robô de vigilância e resgate utilizando smartphone Android e Internet. In
Proceedings of the 2016 International Conference on Communication and Signal Processing (ICCSP),
Melmaruvathur, Índia, 6–8 de abril de 2016; págs. 1526-1530.
126. Wanjari, V.; Kamargaonkar, C. A Review Paper on IoT Cognitive Robot for Military Surveillance. Int. Res. J.
Eng. Tecnol. (IRJET)2019,6, 2276-2278.
127. Fierro, R.; Chaimowicz, L.; Kumar, V. Cooperação multi-robô. DentroRobôs móveis autônomos; CRC Press: Boca
Raton, Flórida, EUA, 2018; págs. 417-460.
128. Talebpour, Z.; Martinoli, A. Coordenação de Multi-Robôs em Ambientes Dinâmicos Compartilhados com Humanos. In
Proceedings of the 2018 IEEE International Conference on Robotics and Automation (ICRA), Brisbane, Austrália, 21 a 25
de maio de 2018; págs. 4593–4600.
129. Cicirelli, G.; Atólico, C.; Guaragnela, C.; D'Orazio, T. Uma abordagem de reconhecimento de gestos baseada em Kinect para uma
interface de robô humano natural.Int. J. Av. Robô. Sistema2015,12, 22. [CrossRef]
130. Palinko, O.; Rea, F.; Sandini, G.; Sciutti, A. Robô lendo o olhar humano: Por que o rastreamento ocular é melhor do que o
rastreamento da cabeça para a colaboração humano-robô. In Proceedings of the 2016 IEEE/RSJ International Conference on
Intelligent Robots and Systems (IROS), Daejeon, Coréia, 9–14 de outubro de 2016; págs. 5048–5054.
131. Patel, R. Interação de robô humano com controle de voz assistido em nuvem e sistema de visão. Ph.D. Tese,
University of Texas at Austin, Austin, TX, EUA, 2018.
132. Islam, MJ; Sattar, J. Rastreamento de movimento biológico de domínio misto para interação homem-robô subaquática. In
Proceedings of the 2017 IEEE International Conference on Robotics and Automation (ICRA), Cingapura, 29 de maio a 3
de junho de 2017; págs. 4457-4464.
133. Ele, W.; Li, Z.; Chen, CLP Uma pesquisa sobre robôs inteligentes centrados no ser humano: questões e desafios.IEEE/CAA
J. Autom. Pecado.2017,4, 602-609. [CrossRef]
134. Liu, H.; Wang, L. Colaboração remota humano-robô: Uma aplicação de sistema ciber-físico para ambiente
de fabricação de risco.J. Manuf. Sistema2020,54, 24-34. [CrossRef]
135. Hunter, P. Trabalho remoto em pesquisa: O uso crescente de arranjos de trabalho flexíveis pode melhorar a
produtividade e a criatividade.Representante EMBO2019,20, e47435. [CrossRef]
Sensores2020,20, 3355 23 de 23

136. Stower, R. O Papel da Confiança e Comportamentos Sociais na Aprendizagem das Crianças com Robôs Sociais. In Proceedings of
the 2019 8th International Conference on Affective Computing and Intelligent Interaction Workshops and Demos (ACIIW),
Cambridge, Reino Unido, 3 a 6 de setembro de 2019; págs. 1–5.
137. Del Campo, G.; Calatrava, S.; Cañada, G.; Ollóqui, J.; Martinez, R.; Santamaria, A. Solução IoT para Otimização de Energia
na Indústria 4.0: Questões de uma Implementação na Vida Real. In Proceedings of the 2018 Global Internet of Things
Summit (GIoTS), Bilbao, Espanha, 4–7 de junho de 2018; págs. 1–6.
138. Bukata, L.; Sucha, P.; Hanzálek, Z.; Burget, P. Otimização de Energia de Células Robóticas.Trans. IEEE Ind. Informar. 2016,
13, 92-102. [CrossRef]
139. Dragoni, N.; Giaretta, A.; Mazzara, M. A Internet das Coisas Hackeáveis. In Proceedings of the 5th
International Conference in Software Engineering for Defense Applications, Roma, Itália, 10 de maio de
2016; Springer International Publishing: Cham, Suíça, 2018; págs. 129-140.
140. Khalid, A.; Kirisci, P.; Khan, ZH; Ghrairi, Z.; Thoben, KD; Pannek, J. Estrutura de segurança para sistemas
ciberfísicos robóticos colaborativos industriais.Computar. Ind.2018,97, 132-145. [CrossRef]
141. Wegner, A.; Graham, J.; Ribble, E., Uma Nova Abordagem à Segurança Ciberfísica na Indústria 4.0. Dentro
Cibersegurança para a Indústria 4.0: Análise para Design e Fabricação; Thames, L., Schaefer, D., Eds.;
Springer International Publishing: Cham, Suíça, 2017; págs. 59–72.

©
c 2020 pelos autores. Licenciado MDPI, Basileia, Suíça. Este artigo é um artigo de
acesso aberto distribuído sob os termos e condições da licença Creative Commons
Attribution (CC BY) (http://creativecommons.org/licenses/by/4.0/).